nvidia
NVIDIA: Nemotron 3.5 Super VL
nvidia/nemotron-3.5-super-vl
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
nvidia/nemotron-3.5-super-vl es el modelo abierto de lenguaje y visión de NVIDIA basado en mezcla de expertos: un híbrido de Mamba-2 y Transformer con 120 000 millones de parámetros totales y 12 000 millones activos, además de un codificador visual C-RADIO. Según la ficha del modelo de NVIDIA, acepta texto, imágenes, páginas de documentos, capturas de GUI y video corto, devuelve texto, admite un contexto de hasta aproximadamente un millón de tokens, razonamiento configurable, llamadas a herramientas y decodificación especulativa nativa multi-token. OpenRouter lo ofrece como endpoint alojado; NVIDIA reporta una amplia cobertura de benchmarks, aunque los resultados provienen del proveedor y requieren confirmación independiente.[1][2]
Puntos fuertes
- La documentación de NVIDIA reporta un diseño MoE híbrido Mamba-2/Transformer con 12 000 millones de parámetros activos y una ventana de contexto de hasta cerca de un millón de tokens, orientada a la eficiencia en contextos largos.[2]
- Alcance multimodal según la ficha: entrada de texto, imágenes, páginas de documentos, capturas de GUI y video, con llamadas a herramientas y un modo de razonamiento ajustable.[1][2]
- Pesos abiertos bajo la licencia OpenMDW-1.1 con uso comercial permitido; la versión BF16 apunta a personalización y adaptación de dominio e incluye decodificación especulativa MTP nativa.[2]
Limitaciones
- Casi toda la evidencia de capacidades y benchmarks proviene del proveedor; NVIDIA indica que algunas evaluaciones usaron andamiaje interno, y los agregados de terceros en OpenRouter son escasos, por lo que la validación con cargas reales es esencial.[1][2]
- La receta de despliegue de referencia en BF16 exige hardware NVIDIA multi-GPU de gama alta (Hopper o Blackwell), y las configuraciones de servicio limitan los medios por solicitud y apuntan a clips MP4 cortos.[2]
- No se indica la fecha de corte de conocimiento, la cobertura de idiomas listada se limita a seis, y este paquete de evidencia carece de evaluaciones independientes más allá de datos de catálogo.[1][2]
Dónde utilizarlo
- Agentes de comprensión de documentos y pantallas —por ejemplo, analizar páginas o capturas de GUI— donde importan las llamadas a herramientas y el contexto largo (sugerencia, no resultado probado).[1][2]
- Flujos de ingeniería de software o agénticos de contexto largo, dado el entrenamiento intermedio en ingeniería de software y los benchmarks de código reportados en la ficha.[2]
- Equipos que deseen ajustar o adaptar a su dominio un modelo abierto de lenguaje y visión usando los pesos de referencia BF16.[2]
Fuentes
- [1] OpenRouter catalog · NVIDIA: Nemotron 3.5 Super VLFuentes consultadas: 13 nov 2026
- [2] Model documentation · NVIDIA: Nemotron 3.5 Super VLFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
NVIDIA Nemotron 3.5 Super VL is an open multimodal mixture-of-experts model from NVIDIA, with 12B active parameters out of 120B total. It takes text, images, documents, GUI screenshots, and video...
Especificaciones
- ID del modelo
- nvidia/nemotron-3.5-super-vl
- ID canónico
- nvidia/nemotron-3.5-super-vl-20261015
- Creador
- nvidia
- Añadido a OpenRouter
- 15.10.2026
- Longitud de contexto
- 1,048,576
- Modalidad
- text+image+video->text
- Modalidades de entrada
- text, image, video
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.150 / salida $0.470
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | CC — por debajo de la franja B | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | entrada: video |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 13.6 | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 30.2% · posición 84 | 1,116Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 32.4% · posición 93 | 1,140Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 26.1% · posición 106 | 1,085Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 27.1% · posición 106 | 1,078Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 33% · posición 82 | 1,154Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 34.8% · posición 88 | 1,160Elo | CC — por debajo de la franja B | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Darkbloomnvfp4 | 262,144 | $0.060 | $0.350 | — | — | 100% |
| Io Netnvfp4 | 262,144 | $0.090 | $0.300 | — | — | 100% |
| Crusoebf16 | 1,048,576 | $0.100 | $0.400 | — | — | 100% |
| CoreWeavenvfp4 | 1,048,576 | $0.150 | $0.470 | — | — | 100% |
| PrimeIntellectnvfp4 | 1,048,576 | $0.150 | $0.500 | — | — | 100% |
| Together | 262,144 | $0.150 | $0.500 | — | — | 100% |
| DeepInfrafp4 | 262,144 | $0.150 | $0.500 | — | — | 100% |
| Venicefp4 | 262,144 | $0.200 | $0.500 | — | — | 100% |
| BaseTenfp4 | 1,048,576 | $0.200 | $0.500 | — | — | 100% |
| Nebiusfp4 | 1,048,576 | $0.300 | $0.900 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026